📢 转载信息
原文链接：https://openai.com/index/gradient-labs
原文作者：OpenAI
在银行业，解决客户问题往往并非易事。处理欺诈投诉或支付冻结等案例时，需要跨部门严格遵守复杂的标准化操作流程。当现有系统无法满足需求时，客户往往会在不同部门间被踢皮球，经历漫长的排队等待，而这些时刻通常正是客户最焦急的节点。
Gradient Labs 正是为了应对这一复杂性而生。这家总部位于伦敦的公司正致力于开发 AI 智能体，让每一位银行客户都能获得专属账户经理般的个性化体验。该公司由曾领导 Monzo 银行 AI 与数据部门的团队创立，其平台构建于 OpenAI 模型之上，目前正在将生产流量全面迁移至 GPT-5.4 mini 和 nano 版本。
“在使用 GPT-5.4 mini 和 nano 时，我们实现了 500 毫秒的极低延迟，这正是自然语音交互所必需的，”Gradient Labs 联合创始人兼首席科学家 Danai Antoniou 表示，“我们正在将很大一部分工作负载迁移过来。”
“我们需要同时满足三个条件：指令遵循的准确性、极低的幻觉率，以及函数调用的可靠性，同时还要在语音延迟限制内完成。OpenAI 是唯一能够同时满足这三点的提供商。” —— Danai Antoniou，Gradient Labs 联合创始人兼首席科学家
从标准操作流程（SOP）迈向实时智能系统
在银行领域，客户互动遵循严格的标准操作流程（SOP），规定了每一步的执行标准。典型的客户互动流程如下：
- 客户致电报告银行卡被盗。
- 系统验证其身份，并实时处理纠错和打断逻辑。
- 验证成功后，立即冻结卡片并启动补卡程序。
- 系统回复后续问题（如补卡送达时间），并建议下一步操作。
每一环节都严格遵循既定程序，系统会根据用户输入、上下文、运行中的护栏（guardrails）以及客户和代理人的实时反馈做出决策，确保完全合规。Antoniou 指出：“模型需要在处理打断、背景噪声和话题切换的同时维持程序状态，并保证生成速度。大多数模型提供商甚至无法实现这一点。”
Gradient Labs 基于其最具挑战性的程序对各家模型进行基准测试，评估指标被称为轨迹准确率（trajectory accuracy）：即系统能否从始至终走在正确的路径上。在初步评估中，GPT-4.1 是唯一达到 97% 轨迹准确率和一致性的模型，而最接近的竞争对手仅为 88%。
在高风险环境中验证可靠性
金融机构不会盲目部署这类系统，他们必须逐级验证系统在真实环境下的表现。Antoniou 强调：“必须从零开始进行零幻觉架构设计，这是构建过程中的核心原则。”
Gradient Labs 采取了严谨的验证方式：通过重放真实客户对话，将系统行为与预期程序进行比对；同时生成合成对话，在系统上线前测试各种边缘情况和极端场景。此外，他们还提供精细化的控制，支持银行根据历史支持数据，选择从低风险工作流开始试点，逐步扩展至复杂业务。
初步成效与未来展望
目前，使用 Gradient Labs 系统的银行客户报告显示，其客户满意度（CSAT）分数高达 98%，在某些案例中甚至超过了顶尖的人工客服表现。大多数部署在上线首日即实现了超过 50% 的问题解决率。得益于此，该公司过去一年的营收增长超过 10 倍，业务范围已从入站支持扩展至出站呼叫和后台业务流程。
展望未来，Gradient Labs 正专注于实现跨交互的上下文记忆：系统将能够理解客户历史、跟踪悬而未决的问题，并在对话中断后无缝衔接。正如 Antoniou 所言：“我们选择的不仅是现在的模型，而是一个能与我们产品演进方向一致的 AI 平台。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区